Цифровой керн: исследование текстурных неоднородностей в горной породе

Abstract

Актуальность. При течении по каналам ограниченных размеров реальная жидкость испытывает постоянные потери механической энергии (гидравлическое сопротивление) из-за действия вязкого трения. Гидравлическое сопротивление состоит из двух компонентов: сопротивление по длине потока и местное сопротивление. Тяготение по длине потока возникает из-за того, что жидкость сталкивается с силой на единицу площади, перпендикулярной направлению потока. Местное сопротивление возникает в результате вязкого взаимодействия между жидкостью и стенками канала. Местные гидравлические сопротивления включают внезапные и постепенные сужения/расширения (диффузоры/конфузоры) флюидопроводящего канала, угловые и дроссельные зазоры. Значение коэффициента гидравлического сопротивления зависит от типа геометрии каналов, условий входа в них жидкости (смачиваемость текстуры породы) и от режима течения. Когда жидкость течет по каналам различного поперечного сечения, по мере сужения канала скорость потока увеличивается, а давление, исходя из уравнения Бернулли, уменьшается. Цель: изучить распределения сегментов текстурной неоднородности горных пород в условиях геологической неопределённости. Объекты: полимиктовые песчаники тюменской свиты. Методы. Разработанные алгоритмы идентификации областей сужения/расширения (конфузоры/диффузоры) в текстуре горной породы (полимиктовый песчаник) базируются на нейросетевой реконструкции керновых данных; исследование геометрического многообразия геологических образов горных пород основано на обобщении вещественных пространственных форм в сочетании с аксиомой гиперплоскостей; методический подход для нахождения распределения инерционных возбудителей (конфузоров/диффузоров), влияющих на характер изменения фронта движения многофазного потока в текстуре горной породы, основан на метриках оценки возможных распределений. Результаты. Представлены начальные этапы цифровой трансформации керновых данных. Определено, что основной проблемой цифровой проекции геологических данных на большие масштабы является необходимость учета систем инерционных эффектов, как в имеющемся объеме горной породы, так и в экстраполируемом ее пространстве. С целью адекватного представления характера течения многофазной жидкости для разных масштабов разработаны алгоритмы сегментирования геологических образов флюидопроводящего пространства с дальнейшей идентификацией законов распределения инерционных возбудителей (конфузоров/диффузоров) в текстуре горной породы. Для обучения и тестирования разработанных алгоритмов использованы изображения компьютерной томографии кернового материала и снимки шлифов горных пород в детализированном разрешении. Исходный код нейросетевых алгоритмов написан на языке программирования Python с дополнительным использованием некоммерческих библиотек. Выполнена апробация алгоритмов на реальных данных, подтверждающая экспериментальными исследованиями в лаборатории цифровых исследований в нефтегазовом деле в рамках реализации технологического проекта «Цифровой керн» (Тюменский индустриальный университет, г. Тюмень), лаборатории научно-технического центра рационального недропользования им. В.И. Шпильмана (г. Ханты-Мансийск), лаборатории керновых исследований (Тюменский государственный университет, г. Тюмень).

Relevance. When real fluid flows through channels of limited dimensions, it experiences a constant loss of mechanical energy (hydraulic resistance) due to the action of viscous friction. Hydraulic drag has two components: drag along the length of the flow and local drag. The drag along the length of the flow arises because the fluid encounters a force per unit area perpendicular to the direction of the flow. Local drag results from the viscous interaction between the fluid and the channel walls. Local hydraulic resistances include sudden and gradual constrictions/expansions (diffusers/confusions) of the fluid channel, angular and choke gaps. The value of the hydraulic resistance coefficient depends on the type of channel geometry, conditions of fluid entry (wettability of the rock texture) and on the flow regime. When fluid flows through channels of different crosssection, as the channel narrows, the flow velocity increases and the pressure, based on Bernoulli's equation, decreases. Objects. Polymictic sandstones of the Tyumen Formation. Methods. The developed algorithms for identifying areas of contraction/expansion (confusers/diffusers) in the rock texture (polymictic sandstone) are based on neural network reconstruction of core data. The study of geometric diversity of geological rock images is based on generalization of real spatial forms in combination with the axiom of hyperplanes. A methodical approach for finding distribution of inertial exciters (confusers/diffusers), affecting the character of multiphase flow front changes in the rock texture, is based on the metrics for estimating possible distributions. Results. The paper introduces the initial stages of core digital transformation data. It was determined that the main problem of geological data digital projection on a large scale is the need to take into account the systems of inertial effects, both in the available volume of the rock and in the extrapolated space of it. In order to adequately represent the character of multiphase fluid flow for different scales, the authors have developed the algorithms for segmentation of geological images of fluid space with further identification of distribution laws of inertial exciters (confusers/diffusers) in the rock texture. For training and testing the developed algorithms we used the computer tomography images of core material and detailed resolution images of rock sections. The source code of neural network algorithms was written in the Python programming language with the additional use of non-commercial libraries. The algorithms were tested on real data, confirming by experimental studies in the laboratory of digital research in oil and gas as part of the technological project "Digital Core" (Industrial University of Tyumen, Tyumen), the laboratory of the V.I. Shpilman Research and Analytical Center for Rational Subsoil Use (Khanty-Mansiysk), Core Research Laboratory (University of Tyumen, Tyumen).